用于冠状动脉语义标注的多图匹配
计算机视觉与模式识别
2024-08-16 v2
摘要
冠状动脉疾病是全球死亡的主要原因，而侵入性冠状动脉造影仍是评估血管解剖信息的金标准。然而，基于深度学习的方法在生成动脉节段语义标签时面临挑战，主要原因是动脉分支之间的形态相似性以及不同投影视角和患者之间动脉系统的解剖差异。为应对这一挑战，我们将血管树建模为图，并提出了一种用于冠状动脉语义标注的多图匹配（MGM）算法。MGM算法评估多个血管树图中动脉之间的相似性，同时考虑每对图之间的循环一致性。因此，未标注的动脉节段通过与已标注节段匹配得到适当标注。通过结合解剖图结构、影像组学特征和语义映射，所提出的MGM模型在使用包含718个ICA的多站点数据集进行冠状动脉语义标注时达到了0.9471的惊人准确率。利用语义标注的动脉，狭窄检测的总体准确率达到0.9155。所提出的MGM为使用多个ICA衍生图进行冠状动脉分析提供了一种新工具，为血管健康和病理学提供了有价值的见解。
引用
@article{arxiv.2402.15894,
title = {Multi-graph Graph Matching for Coronary Artery Semantic Labeling},
author = {Chen Zhao and Zhihui Xu and Pukar Baral and Michel Esposito and Weihua Zhou},
journal= {arXiv preprint arXiv:2402.15894},
year = {2024}
}